如何索引包含特殊字符的字符串的多次出现？ [复制]

Question

我正在加载一个使用特殊格式的数据文件，其中包括** 将文件分成多个部分。例如：**HEADER、**COMMENTS、**CONSTANTS、**DATA都是文件中的节标题，每个节需要区别对待。所以我试图索引每个部分标题的位置，所有这些标题都以双星号开头。

我目前有：

Titles = [m.start() for m in re.finditer('e', mytxt)]

它索引文件中每个 e 的位置。然而：

Titles = [m.start() for m in re.finditer('**', mytxt)]

给我：

error: nothing to repeat

我也试过了：

Titles = [m.start() for m in re.finditer(r'**', mytxt)]

认为它会将搜索词转换为原始文本并停止尝试将 * 作为特殊字符处理，但它不起作用。

Answer 1

问题是您需要转义那些星号用反斜杠！。简单地将它们放在原始字符串中不会做任何事情。

mytxt = """**HEADER
abc
def
**COMMENTS
ghi
jkl
**DATA
123
546
789"""

titles = [m.start() for m in re.finditer(r'\*\*', mytxt)]
print(titles) # gives [0, 17, 36]

如果您想确保它们位于行首，或者星号后面的内容应该是几个关键字之一，您可以将其添加到正则表达式中：

mytxt = """**HEADER
abc
def
**COMMENTS
ghi
jkl
**DATA
**junkheader
123**000
546**123
789"""

titles = [m.start() for m in re.finditer(r'\*\*', mytxt)]
print(titles) # gives [0, 17, 36, 43, 59, 68]

# But, 
titles = [m.start() for m in re.finditer(r'^\*\*', mytxt, re.MULTILINE)]
print(titles) # gives [0, 17, 36, 43]

# If you know valid titles beforehand
known_titles = ["HEADER", "COMMENTS", "CONSTANTS", "DATA"]
regex = r"^\*\*(" + "|".join(known_titles) + ")$"
print(regex) # Output: ^\*\*(HEADER|COMMENTS|CONSTANTS|DATA)$

titles = [m.start() 
     for m in re.finditer(regex, mytxt, re.MULTILINE)]
print(titles) # Gives [0, 17, 36]

re.MULTILINE 允许您将字符串中的换行字符识别为新行的开头。

正则表达式开头的^\*\* 中的^ 强制星号位于新行的开头。

所以这个正则表达式：^\*\*(HEADER|COMMENTS|CONSTANTS|DATA)$ 的意思是：

• ^：匹配行首
• \*\*：字面上是两个星号
• (HEADER|COMMENTS|CONSTANTS|DATA)：其中一个词
• $：行尾

Try the regex at Regex101